基于运动约束的泛化Field D*路径规划

为了解决基于栅格的路径规划算法因环境描述的离散化导致规划结果不能满足机器人运动约束,以及单一路径代价的局限致使算法无法适用于复杂环境的问题,提出一种基于运动约束的泛化Field D*算法.该算法的代价函数可同时考虑路程、行驶安全以及行驶时间等一个或多个行驶代价.根据机器人运动模型的特性,在路径点提取过程中结合机器人的最小转弯半径,进行满足运动约束的路径平滑.该算法在多组模拟的复杂环境栅格地图中进行测试,实验结果表明,算法对复杂环境有很好的适应性,同时有效提高路径的可执行性.     

基于波碰撞算法的机器人路径规划研究

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.设机器人作业环境为二维平面大小一定的矩形,机器人行走时原地转向或直线行走.在离散区域上用栅格法,选择任意位置为起始点和目标点,两个搜索波的速度相同,向各方向传播,遍历障碍物,两个波前沿的初始交点为两点间最短路径.本文重点研究最佳的、最容易形成的菱形波+方波和菱形波+菱形波*+方波,当"菱形波+菱形波*+方波"离散搜索波在步长n≤93时,每个第三步长与所研究波级别的最佳波相重合;利用本算法描述地形时,能够与传统可视图法描述相媲美;此外,还给出了任意地形离散波和连续波间差的广义概念.路径规划算法的研究中证明了相关的命题,路径规划的算法经过计算机模拟,证实可行有效.     

动态环境下移动机器人路径规划的一种方法

研究障碍物的形状以及位置未知环境下的动态路径规划的问题，采用栅格表示障碍物与机器人的大小、位置以及他们的运行环境地图，给出了一种路径规划的算法，该算法计算简单，搜索速度快，通过仿真试验发现，用该方法规划的路经取得了比较好的效果。     

基于蚁群算法的空中机器人三维轨迹规划

轨迹规划是机器人任务规划系统的一个重要部分。在MATLAB平台下,建立空中机器人飞行三维环境模型,基于此模型利用蚁群算法对空中机器人飞行轨迹进行规划研究。首先根据限制条件对建立的环境模型进行预处理和栅格化处理,然后将蚁群算法应用于三维已知环境模型中,得到1条由起始点到目标点的最短路径,以此作为轨迹规划的最优路径。空中机器人按照求得的最优路径进行运动,完成飞行任务。在路径寻优过程中蚁群算法表现出优良的有效性和使用性。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

移动机器人路径规划的仿真研究

针对移动机器人的路径规划问题,本文采用A*算法作为路径规划的主要搜索方法,对移动机器人的路径规划进行研究,采用较直观的栅格法进行创建地图,通过建立一系列具有二值信息的网格模型,并根据对环境建模情况,系统运用程序设计进行路径规划,使机器人按照规划好的路径移动到目标位置,并通过变更路径的起始点,验证算法的实用性。移动机器人在进行路径规划时,发现存在死锁的情况,会对路径重新规划,从而验证算法的可行性。为验证路径规划的可靠性,在Matlab仿真平台上进行算法验证。仿真结果表明,A*算法具有获得最优路线规划的特点,对路径规划具有可行性与准确性。该研究对移动机器人在进行路径规划时较为适用。     

移动机器人路径规划仿真平台设计

路径规划问题是智能机器人研究的关键问题之一。笔者开发了一个智能机器人路径规划的仿真平台,该系统可用作机器人离线路径规划研究。系统的路径规划器首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索,根据指定的机器人起始位置及目标位置产生准优化路径。主要应用时变势场法、遗传算法、栅格法3种规划算法对机器人行走路线进行了模拟。同时,提出了一个有效的引入遗传算法的（FNA）算法,并给出了仿真结果。     

基于IOCAD的无人机避障路径规划

针对复杂密集不规则障碍物环境下无人机路径规划问题,采用不规则障碍物预处理方法,建立障碍物避碰检测模型,并设计了基于不规则障碍物避碰检测(irregular obstacles collision-avoidance detection,IOCAD)的无人机路径规划算法。该算法以栅格法规划环境建模为基础,采用粗糙集思想、凸化填充法等对障碍物进行预处理,并利用射线法筛选出环境中可飞路径点,以障碍物到飞行路径距离最小为目标函数,对可飞路径段和障碍物进行相交检测与距离检测,解算出不规则障碍物环境下无人机路径。在既定的路径规划环境及无人机性能约束下,仿真结果表明:该算法能快速规划出对应避障路径,且栅格粒度大小、安全裕度值的设置对算法性能有明显影响;当栅格粒度为0.5 km,安全裕度为0.4 km时,可显著缩短航程并有效减少路径点数,验证了该算法的有效性。     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于粒子群免疫优化算法的足球机器人路径规划

为提高PSO算法的性能,引入免疫算法中浓度调节机制的“抗体浓度选择”策略形成粒子群免疫算法,利用该算法对足球机器人进行路径规划,使足球机器人从给定点到目标点可以有效地躲避障碍物并且得到一条最短路径。实验结果表明,该算法具有高效的全局搜索能力和良好的收敛稳定性。     

遗传算法在机器人路径规划中的应用研究

采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,应用遗传算法对机器人路径规划作了研究。文中引入间断无障碍路径新概念以简化初始种群产生,定义了插入算子和删除算子以保证路径的连续性和简明性。应用遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶｌ．０对所提方法作的仿真研究结果表明,该方法可行。     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.     

有向外力场作用下机器人路径规划方法

针对有向外力场作用下基于格点的机器人路径规划方法不能得到最优解的问题,采用了基于水平集方法的路径规划方法.将机器人的粒子跟踪转变为曲线的数值演化,通过解哈密尔顿-雅克比方程得到最优时间路径,改进后向路径追踪的数值计算精度保证了规划路径的可行性.仿真结果表明,算法可以有效应对复杂的有向外力场,并且在强外力场中仍保持路径的可行性.采用的连续路径规划方法可以突破传统机器人路径规划算法基于格点搜索的限制,并有效利用空间中存在的外力场.     

基于启发式搜索算法的扫地机器人路径规划

扫地机器人逐渐进入到越来越多的普通家庭,这对扫地机器人的路径规划和定位水平提出了更严格的要求。文章在目前已成熟的栅格法、子区域划分法、模板模型法基础上,提出了一种新的扫地机器人基本路径规划方案,并基于启发式搜索算法对该方案加以实现。该方案通过建立一个二维栅格地图并结合适当的子区域划分方法,将全局清扫问题转化为子区域清扫问题以使清扫更高效、便捷;再通过构造合理的评价函数及利用传感器设立沿边清扫机制对基本方案进行优化。基本路径规划方案与启发式搜索算法、沿边机制结合后,解决了机器人在各子区域之间转移带来的高重复率、复杂路径的寻路低效率、不规则障碍物周围清扫低覆盖率等问题。该方案使扫地机器人在整体清扫工作上覆盖率能达到99%,重复率能控制在10%~18%。     

基于时间冲击最优的TBM换刀机器人轨迹规划

为了提高隧道掘进机(TBM)换刀机器人的工作效率,减小换刀过程中的运动冲击,提出基于改进型粒子群优化(PSO)算法的轨迹优化方法.采用位姿分离法与关节变量最小策略,对冗余关节机器人进行运动学分析.利用所求的逆解,将目标轨迹由笛卡尔空间映射到关节空间.针对每个关节使用5次NURBS曲线构造冲击连续的关节轨迹,以时间冲击最优构造目标函数,采用改进型PSO算法求解出最优时间序列,完成对轨迹的优化.通过对特定的换刀任务进行轨迹规划,得到各关节的优化轨迹.优化结果表明,提出的轨迹规划方法可以为换刀机器人各关节提供理想的轨迹,具有较强的轨迹跟踪能力.利用5次NURBS插值法与改进型PSO优化算法,可以保证轨迹的时间最短与冲击最小,提高了运行的效率与平稳性.     

增强D* Lite在自主移动机器人安全路径规划中应用

为了提高未知环境中自主机器人行走的安全性和路径规划最优性,提出了增强D＊Lite算法,该算法以栅格法环境建模为基础,引入障碍物尖角和结合点检测,并针对复杂障碍物的可优化路径给出路径优化方法。仿真实验结果表明,该方法可以实现移动机器人安全路径的规划和优化。